tersebut merupakan sistem mikro yang kedua yang biasa dikenal dengan Sistem
Jaringan yang meliputi jaringan jalan raya, kereta api, terminal bus dan kereta api,
bandara, dan pelabuhan laut (Tamin, 2000).
Interaksi antara Sistem Kegiatan dan Sistem Jaringan ini akan
menghasilkan suatu pergerakan manusia dan/atau barang dalam bentuk
pergerakan kendaraan dan/atau orang (pejalan kaki). Suatu Sistem Pergerakan
yang aman, cepat, nyaman, murah, dan sesuai dengan lingkungannya akan dapat
tercipta jika pergerakan tersebut diatur oleh suatu sistem rekayasa dan manajemen
lalu-lintas yang baik. Sistem Kegiatan, Sistem Jaringan, dan Sistem Pergerakan
akan saling mempengaruhi satu dengan lainnya seperti terlihat pada Gambar 2.1
(Tamin, 2000).
Sistem jaringan jalan adalah satu kesatuan ruas jalan yang saling
menghubungkan dan mengikat pusat-pusat pertumbuhan dengan wilayah ynng
terjalin dalam hubungan hierarkis. Menurut Undang-Undang Nomor 38 Tahun
2004 tentang Jalan Pasal 7 Ayat 1, sistem jaringan jalan terbagi atas 2 (dua) yaitu:
1. Sistem Jaringan Jalan Primer
Sistem jaringan jalan primer merupakan sistem jaringan jalan dengan
peranan pelayanan distribusi barang dan jasa untuk pengembangan semua
wilayah di tingkat nasional, dengan menghubungkan semua simpul jasa
distribusi yang berwujud pusat-pusat kegiatan. Gambar 2.2 menunjukkan
struktur hierarki sistem jaringan jalan primer di perkotaan.
Zona internal adalah zona yang berada di dalam daerah kajian, sedangkan
zona eksternal adalah zona yang berada di luar daerah kajian. lSehubungan dengan
adanya definisi zona internal dan zona eksternal sebagai zona asal dan zona tujuan,
maka pergerakan arus lalu lintas dapat dikelompokkan menjadi 4 (empat) tipe
pergerakan yaitu sebagai berikut:
1. Pergerakan eksternal−eksternal
Pergerakan ini mempunyai zona asal dan zona tujuan yang berada di luar
daerah kajian (zona eksternal). Tipe pergerakan ini sangat penting untuk
diketahui karena sebenarnya pelaku pergerakan ini tidak mempunyai tujuan
atau kepentingan sama sekali ke zona internal tetapi terpaksa harus
menggunakan sistem jaringan dalam daerah kajian dalam proses
pencapaian zona tujuannya (mungkin karena tidak ada alternatif rute
lainnya).
2. Pergerakan internal−eksternal atau sebaliknya
Pergerakan ini mempunyai salah satu zona (asal atau tujuan) yang berada
di luar daerah kajian (zona eksternal).
3. Pergerakan internal−internal
Pergerakan ini mempunyai zona asal dan tujuan yang berada di dalam
daerah kajian (zona internal). Tipe pergerakan inilah yang paling
Gambar 2.7 menunjukkan ilustrasi pergerakan lalu lintas yang bangkit dari
zona asal dan tertarik ke zona tujuan.
lapangan pola pergerakan asal tujuan. Ilustrasi distribusi pergerakan antar dua zona
dapt dilihat pada Gambar 2.8.
Gambar 2.8 Distribusi Pergerakan Antara Dua Zona
Sumber: Tamin, 2000.
Tabel 2.1
Bentuk Umum dari Matriks Asal Tujuan (MAT)
Zona 1 2 3 N Oi
Dd D1 D2 D3 DN T
Gambar 2.10 Pasangan Zona Asal-Tujuan yang Mempunyai Dua Rute Alternatif
Sumber: Tamin, 2000
Tabel 2.2
Klasifikasi Model Pemilihan Rute
Kriteria Efek stokastik dipertimbangkan?
Tidak Ya
Proses pemilihan rute lainnya yang tidak mengikuti atau cocok dengan
kedua kondisi tersebut dikelompokkan sebagai metode tidak proporsional. Jadi,
metode all-or-nothing dan metode stokastik dikelompokkan dalam metode
proporsional, sedangkan metode batasan-kapasitas dan metode keseimbangan
adalah metode tidak proporsional.
2.6.2. Pemilihan Rute dengan Metode User Equilibrium (UE) Pada tahun 1952,
John Glen Wardrop menyatakan prinsip pemilihan rute yang memformalkan
berbagai konsep keseimbangan (equilibrium), dan memperkenalkan postulat
perilaku alternatif dari minimalisasi total biaya perjalanan, yaitu Keseimbangan
Wardrop (Wardrop Equilibrium) atau disebut juga Keseimbangan Pengguna
(User Equilibrium). Dikutip dari (Tamin, 2000), Wardrop (1952) menyatakan
prinsip pertamanya (Prinsip Keseimbangan I Wardrop) bahwa: “Dalam kondisi
keseimbangan, lalu lintas akan mengatur dirinya sendiri dalam jaringan yang
macet sehingga tidak ada satu pun pengendara dapat mengurangi biaya
perjalanannya dengan mengubah rute”.
transportasi, analisis kondisi lalu lintas, dan forecasting yang mendukung data
berbasis GIS (Geographic Information System) dengan daerah kajian dari tingkat
kota sampai nasional. PTV Visum dikembangkan oleh PTV Planung Transport
Verkehr AG atau lebih dikenal dengan PTV Group yang bermarkas di Karlsruhe,
Jerman.
Aplikasi PTV Visum digunakan sebagai alat bantu membuat simulasi lalu
lintas atau pemodelan rekayasa lalu lintas secara makroskopik pada suatu wilayah
(macroscopic simulation).
Versi PTV Visum yang digunakan dalam penelitian ini adalah PTV Visum
2020 (SP 1-9) [153515] versi training atau student version. Pada versi training
terdapat batas waktu membuka aplikasi selama 45 menit, berbeda dengan versi full
yang tidak memiliki batasan waktu penggunaan. Sehingga apabila waktu akan
segera habis akan ada perintah untuk save file terlebih dahulu, setelah buka
kembali aplikasi dari awal dan load file yang sudah di-save untuk melanjutkan
pekerjaan sebelumnya.
b. Data simpang: panjang simpang, gradien, dan jumlar lajur dan jalur pada
simpang, panjang kantong tikungan, dan desain kantong tikungan. 2. Data Lalu
Lintas (Traffic):
a. Kecepatan arus bebas, jenis pengendalian simpang (beserta marka dan
rambu), lokasi dan renana pengaturan waktu sinyal APILL.
b. Arus atau volume kendaraan per satuan waktu dan kapasitas ruas jalan.
3. Karakteristik Kendaraan:
a. Komposisi kendaraan dan dimensi, temasuk maksimum percepatan dan
perlambatan kendaraan.
b. Pengaturan dasar kendaraan, seperti ukuran mobil penumpang, truk,
trailer, bus, dan lain-lain.
Dalam PTV Visum, edge adalah seluruh ruas jalan (link), belokan (turn),
dan konektor, sedangkan simpul (node) adalah zona dan simpul jaringan. Karena
fungsi tujuan non-linier, masalah optimasi tidak diselesaikan secara langsung
tetapi secara iteratif. Karena monotonisitas fungsi impedansi, kondisi minimum
tercapai, sehingga dimulai dengan solusi awal antara jalur alternatif, pergerakan i-
j
berpindah, sehingga semua jalur memiliki impedansi yang sama (PTV Group,
2019). Selama proses equilibrium assignment, dilakukan langkah-langkah yang
ditunjukkan pada Gambar 2.11.
seimbang. Setiap perpindahan kendaraan dari satu rute ke rute lainnya memiliki
efek langsung pada impedansi objek jaringan yang dilintasi (PTV Group, 2019).
Prosedur penyeimbangan jaringan digambarkan pada Gambar 2.12.
2.7.4. Prinsip Kalibrasi MAT dengan Metode Least Square pada Aplikasi
PTV Viusm 2020
Dikutip dari PTV Visum 2020 - Manual, salah satu metode yang dapat
digunakan untuk mengkalibrasi Matriks Asal Tujuan (MAT) dalam PTV Visum
2020 terdapat pada prosedur matrix correction (matrix estimation), yaitu Metode
Kuadrat Terkecil (Least Square).
Prosedur matrix correction dalam PTV Visum dimaksudkan untuk
menyesuaikan MAT, sehingga hasil pembebanan untuk model benar-benar cocok
dengan keadaan yang sesungguhnya. Matrix correction dapat bermanfaat dalam
beberapa situasi yaitu (PTV Group, 2019):
• MAT berdasarkan data survei empiris yang sudah usang dan hendak
diperbarui tanpa harus melakukan survei (asal-tujuan) baru. Pembaruan
hanya akan didasarkan pada data sensus saja.
• MAT yang dihasilkan dari model jaringan transportasi harus dikalibrasi, oleh
karena itu data arus lalu lintas yang dihitung (traffic count) harus
digunakan.
• MAT yang dihasilkan dari data yang tidak lengkap atau tidak dapat
diandalkan harus ditingkatkan dengan data arus yang lebih
komprehensif/reliabel yang dihitung secara bersamaan.
• Survei berisi distribusi jarak perjalanan, tetapi model tidak mencerminkan
data dengan tingkat akurasi yang diperlukan.
Aliran informasi Matriks Asal Tujuan (MAT) selalu mengikuti urutan yang
diberikan pada Gambar 2.13 dan alur kerja untuk kalibrasi Matriks Asal Tujuan
(MAT) ditunjukkan pada Gambar 2.14.
halmana:
halmana:
���� = jumlah jalur yang termasuk dalam relasi asal-tujuan
ij, ������ = 1, jika jalur k berisi objek jaringan r, jika tidak
0,
Institut Teknologi Nasional
31
(���� )
2 2
��=1] (2.9)
��
��=1 −[∑ (����
��
)
̅ ̅
�� = �� − ���� (2.10) halmana:
�� = jumlah data,
̅
�� = nilai rata-rata dari ����,
̅
�� = nilai rata-rata dari ����.
Parameter uji statistik pada Model Regresi Linear yang akan digunakan
dalam penelitian ini adalah koefisien determinasi (��2) dengan koefisien
korelasi (��) sebagai pertimbangan tambahan. Koefisien determinasi (��2)
adalah koefisien yang digunakan untuk mengetahui selisih antara variasi, atau
untuk mengetahui seberapa
besar pengaruh variabel bebas (��) terhadap variabel tidak bebas (��).
Persamaan yang digunakan untuk menghitungnya adalah sebagai berikut:
�� 2
�� ∑ (����−��̅��
��2 =∑ ( ̂��−��̅��) ��=1
��=1
�� 2 (2.11)
)
Tabel 2.2
Klasifikasi Koefisien Korelasi Guilford
Koefisien Korelasi Klasifikasi Korelasi
Tabel 2.3
Indikator Uji Statistik untuk Masing-masing Metode Estimasi dengan Menggunakan Model GR
Batasan-Bangkitan-Tarikan untuk Tingkat MAT
No Indikator GR
Uji
Statistik Kuadrat Kuadrat Kemiripan Inferensi Entropi
Terkecil Terkecil Maksimu Bayes (IB) Maksimu
(KT) Berbob m (KM) m (EM)
ot
(KTB)
Berdasarkan tabel di atas untuk indikator uji statistik yang umum dan
sederhana, yaitu indikator koefisien determinasi (R2), dapat dilihat bahwa
keseluruhan metode menunjukkan angka yang mirip atau relatif sama, yaitu
berkisar antara 0,75 dan 0,76. Metode KTB memiliki tingkat akurasi yang lebih
tinggi jika dibandingkan dengan metode lain.
Untuk penelitian disertasi ini, jenis pemilihan rute yang ditinjau adalah
pemilihan rute all-or-nothing dan pemilihan rute keseimbangan. Asumsi dasar
yang digunakan pada pengembangan model estimasi MAT dengan menggunakan
data arus lalu lintas adalah bahwa pergerakan arus lalu lintas dari suatu zona ke
zona lainnya pada dasarnya dapat direpresentasikan pada besarnya arus lalu lintas
pada suatu ruas jalan yang sangat tergantung pada besarnya proporsi pergerakan
yang terjadi antara kedua zona tersebut yang menggunakan ruas tersebut sebagai
bagian dari rute terbaiknya. Besarnya proporsi pergerakan tersebut sangat
tergantung pada
jenis model pemilihan rute yang digunakan. Tabel 2.4 menunjukkan indikator hasil
uji statistik unutk masing-masing metode pemilihan rute.
Tabel 2.4
Indikator Uji Statistik untuk Masing-masing Metode Pemilihan Rute
No Indikator GR
Uji
Statistik Pemilihan Pemilihan
Rute Rute All-Or-
Keseimbanga Nothing
n
5 R2 0,759635 0,519054
Gambar 2.15 Hubungan MAT Hasil Pengamatan dan Hasil Estimasi (Metode Pemilihan Rute
Keseimbangan)
Sumber: Tamin, O.Z. dan Suyuti, R., 2007.